Wide Research

​

O que é Pesquisa Ampla?

Pesquisa Ampla é a abordagem de Manus para lidar com tarefas que envolvem o processamento de muitos itens semelhantes—como analisar 100 produtos, pesquisar 50 empresas ou gerar 20 peças de conteúdo. Em vez de usar um único Agent de AI que processa itens sequencialmente, a Pesquisa Ampla implanta centenas de Agents independentes que trabalham em paralelo. Cada Agent recebe seu próprio contexto dedicado e processa um item de forma independente. Esta arquitetura resolve a limitação da janela de contexto que faz com que os sistemas de AI tradicionais degradem a qualidade à medida que o número de itens aumenta.

​

O Problema da Janela de Contexto

Sistemas de AI tradicionais, incluindo a maioria dos chatbots, operam com uma janela de contexto fixa—um limite de quanta informação eles podem processar ativamente de uma só vez. Quando solicitados a analisar muitos itens sequencialmente:

• Itens 1-5: Análise detalhada e minuciosa com contexto completo disponível
• Itens 10-20: As descrições ficam mais curtas à medida que o contexto se preenche
• Itens 30+: Resumos genéricos e aumento de erros à medida que o contexto anterior é compactado ou perdido

Essa degradação ocorre porque a AI deve manter todos os itens anteriores na memória enquanto processa novos. Pesquisas mostram que esse “limiar de fabricação” geralmente ocorre em torno de 8 a 10 itens para a maioria dos sistemas de AI.

​

Como a Pesquisa Ampla Funciona

A Pesquisa Ampla utiliza uma arquitetura fundamentalmente diferente: 1. Decomposição de Tarefas: O Agent principal analisa sua solicitação e a divide em subtarefas independentes (por exemplo, “pesquisar empresa #1”, “pesquisar empresa #2”, etc.) 2. Implantação de Agents Paralelos: Cada subtarefa é atribuída a um Agent dedicado com sua própria janela de contexto nova 3. Processamento Independente: Agents trabalham simultaneamente, cada um conduzindo pesquisas minuciosas sem competir por espaço de contexto 4. Síntese de Resultados: O Agent principal coleta todas as subtarefas concluídas e as reúne no formato solicitado (tabela, relatório, conjunto de dados, etc.) Resultado: O Item #250 recebe a mesma profundidade de análise que o item #1, porque cada um tem seu próprio Agent dedicado e janela de contexto completa.

​

Início Rápido

​

Solicitação Simples

​

Solicitação Detalhada

​

Solicitação Criativa

​

Exemplos Reais

​

Exemplo 1: Pesquisando 250 Pesquisadores de AI

Saída: Banco de dados completo com 250 perfis detalhados Repetição: https://manus.im/share/IXdMjxObbFKbIjUUkBk4EH?replay=1 Por que funciona:

• Nenhuma outra ferramenta de AI pode lidar com tarefas nesta escala
• Cada pesquisador obtém pesquisa independente e minuciosa
• Tabela gerada e preenchida automaticamente com todos os campos
• Qualidade consistente do pesquisador #1 ao #250

​

Exemplo 2: Comparando 100 Modelos de Tênis

Saída: Tabela abrangente de pesquisa de mercado de 100 produtos Repetição: https://manus.im/share/3zvs5smekSmn4lS14n9QNg?replay=1 Por que funciona:

• Pesquisa profunda independente em cada produto
• Extração de dados estruturados em escala
• Organização e classificação automáticas
• Sem queda de qualidade em 100 itens

​

Exemplo 3: Analisando Cronogramas de AGI

Saída: Análise abrangente com visualização de dados Repetição: https://manus.im/share/GajPnKzrpM4pEbpcrKDmx0?replay=1 Por que funciona:

• Sintetiza informações de dezenas de fontes
• Cria uma representação visual dos achados
• Identifica padrões e valores atípicos
• Fornece resumo baseado em evidências

​

Exemplo 4: Pesquisando 20 Biografias

Saída: 20 biografias abrangentes com estrutura consistente Repetição: https://manus.im/share/ayLBetEJkfSIVuWKo2toPn?replay=1 Por que funciona:

• Cada biografia é pesquisada minuciosa e independentemente
• Estrutura consistente em todos os materiais
• Pesquisa profunda de múltiplas fontes para cada pessoa
• Sem atalhos ou geração de conteúdo genérico

​

Exemplo 5: Edição em Massa de Fotos de Perfil do LinkedIn

Saída: 50 fotos de perfil editadas profissionalmente Repetição: https://manus.im/share/5iT2464ldyvdf1FMxUOCsW?replay=1 Como funciona:

• Substitui ferramentas micro-SaaS para processamento de imagem em massa
• Aplica edições consistentes em todas as imagens
• Fluxo automatizado de download e processamento
• Resultados profissionais em escala

​

Exemplo 6: Extraindo uma Biblioteca de Prompt do GitHub

Saída: Banco de dados estruturado de mais de 100 Prompts Repetição: https://manus.ai/share/wxTg2q4hV6GN4YY4KnQeFx?replay=1 Como funciona:

• Extração e estruturação de informações em escala
• Categorização e marcação automáticas
• Cria um banco de dados pesquisável e organizado
• Lida com tarefas complexas de web scraping

​

Casos de Uso por Categoria

​

Por que Pesquisa Ampla em vez de outras ferramentas

​

Quando usar a Pesquisa Ampla

Melhor para:

• Inteligência competitiva (analisar mais de 50 concorrentes)
• Pesquisa de mercado (comparar mais de 100 produtos)
• Pesquisa acadêmica (revisar mais de 30 artigos)
• Geração de leads (pesquisar mais de 200 prospects)
• Criação de conteúdo (gerar mais de 20 itens semelhantes)
• Extração de dados (fazer scraping e estruturar mais de 100 páginas)
• Processamento em massa (editar mais de 50 imagens/arquivos)

Não é ideal para:

• Análise profunda única (use o modo Agent regular)
• Tarefas que exigem dependência sequencial
• Pesquisa interativa em tempo real
• Tarefas com menos de 10 itens

​

Dicas para Melhores Resultados

Seja explícito sobre a estrutura:

• ✅ “Crie uma tabela com colunas para: nome, empresa, cargo, e-mail, LinkedIn”
• ❌ “Pesquise essas pessoas”

Especifique a escala antecipadamente:

• ✅ “Analise todas as 100 empresas desta lista”
• ❌ “Analise algumas empresas”

Descreva o formato de saída desejado:

• ✅ “Organize em uma planilha classificável com filtros”
• ❌ “Dê-me os resultados”

Inclua critérios de avaliação:

• ✅ “Pontue cada produto com base em: preço, recursos, avaliações, usabilidade”
• ❌ “Compare estes produtos”

​

Perguntas Frequentes

​